内容
- 机器学习框架63 个项目
- 数据可视化54 个项目
- 文本数据和 NLP103 项目
- Image Data64 个项目
- 图形数据36 个项目
- 音频数据29 个项目
- 地理空间数据22 个项目
- 财务数据25 个项目
- Time Series Data30 个项目
- 医疗数据19 个项目
- 表格数据5 个项目
- 光学字符识别12 个项目
- 数据容器和结构1 项目
- 数据加载和提取1 个项目
- 网页抓取和抓取1 个项目
- 数据管道和流式1 项目
- 分布式机器学习36 个项目
- 超参数优化 & AutoML52 项目
- 强化学习23 个项目
- 推荐系统17 个项目
- 隐私机器学习7 个项目
- 工作流程和实验跟踪40个项目
- 模型序列化和部署20 个项目
- 模型可解释性54 个项目
- 向量相似性搜索 （ANN）13 个项目
- 概率与统计24个项目
- 对抗性稳健性9 个项目
- GPU &加速器实用程序20 个项目
- Tensorflow Utilities16 个项目
- Jax Utilities3 个项目
- Sklearn Utilities19 个项目
- Pytorch Utilities32 个项目
- 数据库客户端1 项目
- 其他66 个项目
机器学习框架
通用机器学习和深度学习框架。
Tensorflow （🥇55 · ⭐ 190K） - 适合所有人的开源机器学习框架。阿帕奇-2
scikit-learn （🥇53 · ⭐ 60K） - scikit-learn：Python 中的机器学习。BSD-3
PaddlePaddle （🥇45 · ⭐ 22K） - PArallel 分布式深度布线：机器学习..阿帕奇-2
StatsModels （🥇45 · ⭐ 10K） - Statsmodels：Python 中的统计建模和计量经济学。BSD-3 封装
pytorch-lightning （🥈43 · ⭐ 28K） - 预训练，微调任何大小的AI模型..阿帕奇-2
Vowpal Wabbit （🥈35 · ⭐ 8.5K） - Vowpal Wabbit是一个机器学习系统，它推动了..BSD-3 封装
Determined （🥉31 · ⭐ 3K） - Determined 是一个开源的机器学习平台..阿帕奇-2
tensorflow-upstream （🥉31 · ⭐ 690） - TensorFlow ROCm 端口。阿帕奇-2
EvaDB （🥉27 · ⭐ 2.6K · 💤 ） - 用于 AI 驱动的应用程序的数据库系统。
Neural Tangents （🥉24 · ⭐ 2.3K · 💤 ） - Python 中快速简便的无限神经网络。阿帕奇-2
ThunderSVM （🥉22 · ⭐ 1.6K · 💤 ） - ThunderSVM：GPU 和 CPU 上的快速 SVM 库。阿帕奇-2
Torchbearer （🥉22 · ⭐ 640 · 💤 ） - torchbearer：PyTorch 的模型拟合库。麻省理工学院
ThunderGBM （🥉19 · ⭐ 690 · 💤 ） - ThunderGBM：GPU 上的快速 GBDT 和随机森林。阿帕奇-2
数据可视化
通用和特定于任务的数据可视化库。
Matplotlib （🥇48 · ⭐ 20K） - matplotlib：使用 Python 绘图。❗没有执照的
pandas-profiling （🥈37 · ⭐ 13K） - 1行代码数据质量分析和探索..麻省理工学院
datashader （🥈34 · ⭐ 3.3K） - 快速准确地渲染最大的数据。BSD-3 封装
Perspective （🥈33 · ⭐ 8.5K） - 一个数据可视化和分析组件，特别是..阿帕奇-2
D-Tale （🥉31 · ⭐ 4.8K） - pandas 数据结构的可视化工具。❗️LGPL-2.1
data-validation （🥉27 · ⭐ 760） - 用于探索和验证机器学习的库..阿帕奇-2
HyperTools （🥉26 · ⭐ 1.8K · 💤 ） - 用于获得对高-..的几何见解的 Python 工具箱麻省理工学院
Plotly-Resampler （🥉25 · ⭐ 1K） - 使用 plotly.py 可视化大型时间序列数据。麻省理工学院
python-ternary （🥉24 · ⭐ 730） - 带有 matplotlib 的 python 三元绘图库。麻省理工学院
Multicore-TSNE （🥉23 · ⭐ 1.9K · 💤 ） - 使用 Python 和 Torch 的并行 t-SNE 实现..BSD-3
animatplot （🥉21 · ⭐ 410） - 一个基于 matplotlib 构建的用于动画绘图的 python 包。麻省理工学院
vegafusion （🥉19 · ⭐ 330） - Vega 和 Altair 可视化的服务器端扩展。BSD-3 封装
文本数据和 NLP
用于处理、清理、操作和分析文本数据的库，以及用于 NLP 任务的库，例如语言检测、模糊匹配、分类、seq2seq 学习、对话式 AI、关键字提取和翻译。
Tokenizers （🥇40 · ⭐ 9K） - 快速的最先进的Tokenizers，针对研究和..阿帕奇-2
gensim （🥇39 · ⭐ 16K） - 人类主题建模。❗️LGPL-2.1
sentencepiece （🥇37 · ⭐ 10K） - 用于神经网络基础文本的无监督文本分词器..阿帕奇-2
TensorFlow Text （🥈34 · ⭐ 1.2K） - 使文本成为 TensorFlow 中的一等公民。阿帕奇-2
DeepPavlov （🥈31 · ⭐ 6.7K） - 一个用于深度学习端到端对话的开源库..阿帕奇-2
TextDistance （🥈30 · ⭐ 3.4K） - 计算序列之间的距离。 30+算法，纯python.. 麻省理工学院
snowballstemmer （🥈30 · ⭐ 760） - Snowball 编译器和词干提取算法。BSD-3 封装
spacy-transformers （🥈28 · ⭐ 1.4K） - 使用预训练的转换器，如 BERT、XLNet 和 GPT-2..MIT空间
english-words （🥉27 · ⭐ 11K） - 一个包含所有..取消许可
scattertext （🥉26 · ⭐ 2.2K） - 文档之间语言差异的美丽可视化..阿帕奇-2
PyTextRank （🥉26 · ⭐ 2.1K） - 短语的 TextRank 算法（文本图）的 Python 实现..什么
small-text （🥉22 · ⭐ 560） - Python 中文本分类的主动学习。麻省理工学院
happy-transformer （🥉22 · ⭐ 520 · 💤 ） - Happy Transformer 使微调和..Apache-2huggingface
textAugment （🥉18 · ⭐ 400 · 💤 ） - TextAugment：文本增强库。麻省理工学院
图像数据
用于图像和视频处理、操作和增强的库，以及用于计算机视觉任务（如面部识别、对象检测和分类）的库。
PyTorch 图像模型 （🥇42 · ⭐ 32K） - 最大的 PyTorch 图像编码器集合 /..阿帕奇-2
torchvision （🥇42 · ⭐ 16K） - 特定于计算机视觉的数据集、转换和模型。BSD-3
Albumentations （🥇40 · ⭐ 14K） - 快速灵活的图像增广库。论文关于..麻省理工学院
InsightFace （🥈37 · ⭐ 23K） - 最先进的 2D 和 3D 人脸分析项目。麻省理工学院
MMDetection （🥈36 · ⭐ 30K · 💤 ） - OpenMMLab 检测工具箱和基准测试。阿帕奇-2
opencv-python （🥈35 · ⭐ 4.5K） - 自动化 CI 工具链，用于生成预编译的 opencv-python,..麻省理工学院
detectron2 （🥈34 · ⭐ 30K） - Detectron2是一个用于对象检测、分割的平台。阿帕奇-2
vit-pytorch （🥈32 · ⭐ 20K） - Vision Transformer的实现，一种简单的实现方式..麻省理工学院
CellProfiler （🥈30 · ⭐ 920） - 用于生物图像分析的开源应用程序。BSD-3 封装
PaddleDetection （🥈29 · ⭐ 13K） - 基于 PaddlePaddle 的对象检测工具包。它。。阿帕奇-2
facenet-pytorch （🥉27 · ⭐ 4.5K） - 预训练的Pytorch人脸检测（MTCNN）和面部..麻省理工学院
tensorflow-graphics （🥉26 · ⭐ 2.8K） - TensorFlow Graphics： 可微图形层..阿帕奇-2
pytorchvideo （🥉24 · ⭐ 3.3K） - 用于视频理解研究的深度学习库。阿帕奇-2
segmentation_models （🥉23 · ⭐ 4.8K） - 具有预训练主干的分割模型。Keras..麻省理工学院
PySlowFast （🥉20 · ⭐ 6.6K） - PySlowFast：来自FAIR的视频理解代码库..阿帕奇-2
图形数据
用于图形处理、聚类、嵌入和机器学习任务的库。
PyTorch Geometric （🥇40 · ⭐ 21K） - PyTorch 的图形神经网络库。麻省理工学院
pygraphistry （🥈32 · ⭐ 2.2K） - PyGraphistry 是一个用于快速加载、调整形状的 Python 库,..BSD-3
AmpliGraph （🥈26 · ⭐ 2.2K · 💤 ） - 用于知识表示学习的Python库..阿帕奇-2
pytorch_geometric_temporal （🥈25 · ⭐ 2.7K） - PyTorch 几何时间：时空信号..麻省理工学院
PyTorch-BigGraph （🥈24 · ⭐ 3.4K · 💤 ） - 从大规模的图形结构中生成嵌入。BSD-3
torch-cluster （🥉22 · ⭐ 820） - 优化图集群的 PyTorch 扩展库..麻省理工学院
音频数据
用于音频分析、操作、转换和提取以及语音识别和音乐生成任务的库。
speechbrain （🥇41 · ⭐ 8.9K） - 基于 PyTorch 的语音工具包。阿帕奇-2
SpeechRecognition （🥇35 · ⭐ 8.4K） - Python的语音识别模块，支持多种..BSD-3 封装
torchaudio （🥇35 · ⭐ 2.5K） - 音频信号的数据处理和转换..BSD-2
audiomentations （🥈31 · ⭐ 1.9K） - 用于音频数据增强的 Python 库。灵感来自..麻省理工学院
python-soundfile （🥉29 · ⭐ 710） - SoundFile 是一个基于 libsndfile、CFFI 和..BSD-3 封装
地理空间数据
用于加载、处理、分析和写入地理数据的库，以及用于空间分析、地图可视化和地理编码的库。
ArcGIS API （🥈37 · ⭐ 1.9K） - ArcGIS API for Python 的文档和示例。 阿帕奇-2
ipyleaflet （🥈32 · ⭐ 1.5K） - Jupyter - Leaflet.js桥。 我
财务数据
用于算法股票/加密交易、风险分析、回溯测试、技术分析和其他财务数据任务的库。
Alpha Vantage （🥈27 · ⭐ 4.3K） - 用于财务数据的 Alpha Vantage API 的 python 包装器。麻省理工学院
TensorTrade （🥉26 · ⭐ 4.6K） - 用于训练的开源强化学习框架,..阿帕奇-2
stockstats （🥉25 · ⭐ 1.3K · 💤 ） - 根据..BSD-3 封装
tf-quant-finance （🥉22 · ⭐ 4.5K） - 用于定量的高性能TensorFlow库..阿帕奇-2
finmarketpy （🥉22 · ⭐ 3.5K） - 用于回测交易策略和分析的Python库..阿帕奇-2
时间序列数据
用于对时间序列和顺序数据进行预测、异常检测、特征提取和机器学习的库。
StatsForecast （🥇34 · ⭐ 4K） - 用统计和计量经济学进行闪电般的快速预测..阿帕奇-2
pytorch-forecasting （🥈32 · ⭐ 4K） - 使用 PyTorch 进行时间序列预测。麻省理工学院
NeuralForecast （🥈32 · ⭐ 3.1K） - 可扩展且用户友好的神经预测算法。阿帕奇-2
skforecast （🥈31 · ⭐ 1.1K · 📈 ） - 使用机器学习模型进行时间序列预测。BSD-3
NeuralProphet （🥉29 · ⭐ 3.9K） - NeuralProphet：一个简单的预测包。麻省理工学院
uber/orbit （🥉23 · ⭐ 1.9K） - 一个用于贝叶斯预测的Python包，具有面向对象的功能。阿帕奇-2
医疗数据
用于处理和分析医疗数据（如 MRI、EEG、基因组数据和其他医学成像格式）的库。
DeepVariant （🥉24 · ⭐ 3.2K · 💤 ） - DeepVariant 是一个使用深度..BSD-3
表格数据
用于处理表格和结构化数据的库。
pytorch_tabular （🥇23 · ⭐ 1.4K） - 一个建模深度学习模型的标准框架..麻省理工学院
miceforest （🥈22 · ⭐ 350 · 📉 ） - Python 中使用 LightGBM 进行多重插补。麻省理工学院
carefree-learn （🥉18 · ⭐ 400 · 💤 ） - 深度学习 PyTorch。麻省理工学院
光学字符识别
用于光学字符识别 （OCR） 和从图像或视频中提取文本的库。
数据容器和结构
通用数据容器和结构以及熊猫的实用程序和扩展。
🔗 best-of-python - 数据容器 （ ⭐ 3.7K） - 数据容器、数据帧和 panda 的集合-..
数据加载和提取
用于从各种数据源和格式加载、收集和提取数据的库。
🔗 best-of-python - 数据提取 （ ⭐ 3.7K） - 数据加载和提取库的集合。
网页抓取和爬虫
用于 Web 抓取、爬取、下载和挖掘的库以及库。
🔗 best-of-web-python - Web Scraping （ ⭐ 2.3K） - Web 抓取和爬取库的集合。
数据管道和流
用于数据批处理和流处理、工作流自动化、作业调度和其他数据管道任务的库。
🔗 best-of-python - 数据管道 （ ⭐ 3.7K） - 用于数据批处理和流处理的库,..
分布式机器学习
提供跨大规模计算基础设施分发和并行化机器学习任务的功能的库。
dask.distributed （🥇40 · ⭐ 1.6K） - Dask 的分布式任务调度器。BSD-3 封装
ColossalAI （🥈33 · ⭐ 39K） - 使大型 AI 模型更便宜、更快、更易于访问。阿帕奇-2
Apache Singa （🥉24 · ⭐ 3.4K） - 一个分布式深度学习平台。阿帕奇-2
analytics-zoo （🥉23 · ⭐ 2.6K） - Apache 上的分布式 Tensorflow、Keras 和 PyTorch..阿帕奇-2
超参数优化 & AutoML
用于超参数优化、automl 和神经架构搜索的库。
featuretools （🥈32 · ⭐ 7.3K） - 用于自动化特征工程的开源 python 库。BSD-3 封装
Keras Tuner （🥈31 · ⭐ 2.9K） - 适用于 Keras 的超参数优化库。 阿帕奇-2
mljar-supervised （🥈30 · ⭐ 3K） - 用于表格数据上的 AutoML 的 Python 包，具有功能..麻省理工学院
lazypredict （🥈30 · ⭐ 3K · 📈 ） - Lazy Predict 帮助构建了很多基本模型，但并不多..麻省理工学院
Hyperactive （🥈25 · ⭐ 510） - 一个方便快捷的优化和数据收集工具箱..麻省理工学院
featurewiz （🥉21 · ⭐ 590） - 使用高级特征工程策略并选择最佳..阿帕奇-2
Opytimizer （🥉20 · ⭐ 600） - Opytimizer 是一个由元启发式组成的 Python 库。阿帕奇-2
shap-hypetune （🥉18 · ⭐ 570 · 💤 ） - 一个用于同步超参数调整和..麻省理工学院
强化学习
用于构建和评估强化学习和基于代理的系统。
TensorForce （🥈27 · ⭐ 3.3K） - Tensorforce：一个用于应用..阿帕奇-2
推荐系统
用于构建和评估推荐系统的库。
scikit-surprise （🥈27 · ⭐ 6.4K） - 用于构建和分析推荐器的Python scikit..BSD-3 封装
TF Recommenders （🥉24 · ⭐ 1.8K） - TensorFlow Recommenders是一个用于构建..阿帕奇-2
隐私机器学习
使用诸如联邦学习和差分隐私等方法进行加密和隐私保护机器学习的库。
TensorFlow Privacy （🥈26 · ⭐ 1.9K） - 用于训练机器学习模型的库..阿帕奇-2
TFEncrypted （🥉25 · ⭐ 1.2K） - TensorFlow 中的加密机器学习框架。阿帕奇-2
工作流程和实验跟踪
用于组织、跟踪和可视化机器学习实验的库。
Tensorboard （🥇42 · ⭐ 6.7K） - TensorFlows 可视化工具包。阿帕奇-2
SageMaker SDK （🥈41 · ⭐ 2.1K） - 用于训练和部署机器学习的库..阿帕奇-2
tensorboardX （🥈34 · ⭐ 7.9K · 💤 ） - 适用于 Pytorch 的 Tensorboard（以及 Chainer、mxnet、NumPy 等）。麻省理工学院
AzureML SDK （🥈32 · ⭐ 4.1K） - 带有ML的Python笔记本和Azure的深度学习示例..麻省理工学院
Neptune.ai （🥈29 · ⭐ 580） - 用于基础模型训练的实验跟踪器。阿帕奇-2
ml-metadata （🥉28 · ⭐ 620） - 用于记录和检索与 ML 关联的元数据。阿帕奇-2
模型序列化和部署
用于将模型序列化为文件、在各种模型格式之间进行转换以及优化模型以进行部署的库。
huggingface_hub （🥈38 · ⭐ 2.1K） - Huggingface Hub 的官方 Python 客户端。阿帕奇-2
Core ML Tools （🥈36 · ⭐ 4.4K） - Core ML 工具包含对 Core ML 模型的支持工具。BSD-3 封装
TorchServe （🥈34 · ⭐ 4.2K） - 在生产环境中服务、优化和扩展 PyTorch 模型。阿帕奇-2
模型可解释性
用于可视化、解释、调试、评估和解释机器学习模型的库。
InterpretML （🥇33 · ⭐ 6.3K） - 适合可解释模型。解释 Blackbox 机器学习。麻省理工学院
explainerdashboard （🥈29 · ⭐ 2.3K） - 快速构建显示内部的可解释AI仪表板。麻省理工学院
Fairness 360 （🥈26 · ⭐ 2.4K） - 一套全面的数据集公平性指标和..阿帕奇-2
responsible-ai-widgets （🥈26 · ⭐ 1.4K） - 负责任的AI工具箱是一套提供..麻省理工学院
Explainability 360 （🥉24 · ⭐ 1.6K） - 数据的可解释性和可解释性以及..阿帕奇-2
What-If Tool （🥉23 · ⭐ 910 · 💤 ） - What-If 工具的源代码/网页/演示。阿帕奇-2
random-forest-importances （🥉22 · ⭐ 600） - 计算排列和 drop-column 的代码..麻省理工学院
fairness-indicators （🥉19 · ⭐ 340 · 💤 ） - Tensorflows 公平性评估和可视化..阿帕奇-2
ExplainX.ai （🥉15 · ⭐ 420） - 面向数据科学家的可解释 AI 框架。解释并调试任何..麻省理工学院
interpret-text （🥉15 · ⭐ 410 · 💤 ） - 一个包含了最先进的解释器的库..麻省理工学院
向量相似性搜索 （ANN）
用于近似最近邻搜索和向量索引/相似性搜索的库。
🔗 ANN 基准测试 （ ⭐ 5K） - Python 中近似最近邻库的基准测试。
PyNNDescent （🥉28 · ⭐ 890） - 近似最近邻的 Python 最近邻下降。BSD-2 型
概率学和统计
提供概率编程/推理、贝叶斯推理、高斯过程或统计功能的库。
tensorflow-probability （🥇36 · ⭐ 4.3K） - 概率推理和统计分析。阿帕奇-2
pomegranate （🥉27 · ⭐ 3.4K） - 快速、灵活且易于使用的 Python 概率建模。麻省理工学院
scikit-posthocs （🥉26 · ⭐ 350） - Python 中的多个成对比较（事后）测试。麻省理工学院
TorchUncertainty （🥉22 · ⭐ 300 · ➕ ） - 用于不确定性和深度的开源框架..阿帕奇-2
对抗稳健性
用于测试机器学习模型对对抗性/恶意示例攻击的稳健性的库。
TextAttack （🥈27 · ⭐ 3K） - TextAttack 是一个用于对抗性攻击、数据..麻省理工学院
GPU &加速器实用程序
需要并利用 CUDA/GPU 或其他加速器硬件功能来优化机器学习任务的库。
Vulkan Compute （🥉23 · ⭐ 2K） - 基于 Vulkan 构建的通用 GPU 计算框架，用于... 阿帕奇-2
Tensorflow 实用程序
使用其他功能扩展 TensorFlow 的库。
TensorFlow Datasets （🥇39 · ⭐ 4.3K） - TFDS是一组可供使用的数据集。阿帕奇-2
tensorflow-hub （🥈32 · ⭐ 3.5K） - 一个通过重用部分进行迁移学习的库。阿帕奇-2
TensorFlow I/O （🥈30 · ⭐ 700） - 数据集、流和文件系统扩展..阿帕奇-2
TensorFlow 转换 （🥈28 · ⭐ 980） - 输入管道框架。阿帕奇-2
TensorFlow Cloud （🥉21 · ⭐ 380 · 💤 ） - TensorFlow Cloud存储库提供的API..阿帕奇-2
Jax 实用程序
使用其他功能扩展 Jax 的库。
Sklearn 实用程序
使用其他功能扩展 scikit-learn 的库。
scikit-learn-intelex （🥇35 · ⭐ 1.2K） - Intel（R） Scikit-learn的扩展是一种无缝的方式..阿帕奇-2
imbalanced-learn （🥈33 · ⭐ 6.8K） - 一个解决不平衡诅咒的Python包..麻省理工学院
category_encoders （🥈32 · ⭐ 2.4K） - 一个与sklearn兼容的分类变量库..BSD-3
scikit-lego （🥈27 · ⭐ 1.3K） - scikit-learn 管道的额外块。麻省理工学院
scikit-opt （🥉25 · ⭐ 5.3K） - 遗传算法，粒子群优化，模拟..麻省理工学院
scikit-tda （🥉19 · ⭐ 530） - Python 的拓扑数据分析。麻省理工学院
Pytorch 实用程序
使用其他功能扩展 Pytorch 的库。
EfficientNets （🥈25 · ⭐ 1.6K） - 预训练的 EfficientNet、EfficientNet-Lite、MixNet,..阿帕奇-2
torch-scatter （🥈25 · ⭐ 1.6K） - 优化分散操作的 PyTorch 扩展库。麻省理工学院
Pytorch工具带（🥉23 · ⭐ 1.5K） - 用于快速研发原型和卡格gle的PyTorch扩展..麻省理工学院
PyTorch Sparse （🥉23 · ⭐ 1K） - 优化的 Autograd 稀疏矩阵的 PyTorch 扩展库..麻省理工学院
数据库客户端
用于连接、操作和查询数据库的库。
🔗 best-of-python - 数据库客户端 （ ⭐ 3.7K） - python 的数据库客户端集合。
别人
causalove my life （🥈30 · ⭐ 5.1K） - 用机器学习提升建模和因果推理..阿帕奇-2
adapter-transformers （🥉27 · ⭐ 2.6K） - 一个用于参数效率和模块化的统一库..Apache-2huggingface
pyclustering （🥉27 · ⭐ 1.2K · 💤 ） - pyclustering 是一个 Python、C++ 数据挖掘库。BSD-3 封装
Feature Engine （🥉26 · ⭐ 1.9K） - 具有类似 sklearn 的功能的特征工程包。BSD-3 封装
metric-learn （🥉25 · ⭐ 1.4K） - Python 中的度量学习算法。麻省理工学院
MONAILabel （🥉24 · ⭐ 610） - MONAI Label是一种智能开源的图像标签和..阿帕奇-2
benchmark_VAE （🥉21 · ⭐ 1.8K） - 统一变分自动编码器 （VAE） 实现..阿帕奇-2
NeuralCompression （🥉16 · ⭐ 500） - 面向神经压缩爱好者的工具集合。麻省理工学院
相关资源
- 带代码的论文：发现 ML 论文、代码和评估表。
- Sotabench：发现并比较开源的ML模型。
- Google 数据集搜索：Google 的数据集搜索引擎。
- 数据集列表：来自 Web 的最大 ML 数据集的列表。
- Awesome Public Datasets：以主题为中心的开放数据集列表。
- 最佳列表：发现其他最佳列表，其中包含有关各种主题的出色开源项目。
- best-of-python-dev：出色的 Python 开发人员工具和库的排名列表。
- best-of-web-python：用于 Web 开发的出色 python 库的排名列表。
贡献
我们鼓励并始终欢迎贡献！如果要添加或更新项目，请选择以下方法之一：
- 通过从问题页面选择提供的类别之一来打开问题，并填写请求的信息。
- 使用添加或更改修改 projects.yaml，然后提交拉取请求。这也可以直接通过 Github UI 完成。
如果您想为项目元数据集合或 Markdown 生成做出贡献或分享建议，请参阅 best-of-generator 存储库。如果您想创建自己的最佳列表，我们建议您遵循本指南。